AI முகவருடன் பல நாட்கள் பணிபுரிந்த எவருக்கும் சுவர் தெரியும்: ஒவ்வொரு புதிய அமர்வும் புதிதாகத் தொடங்குகிறது. ஒரு புதிய ஆராய்ச்சி இடுகையில், க்ளாட் எவ்வாறு அமர்வுகள் முழுவதும் அறிவைத் தக்கவைக்க வடிவமைக்கப்பட்டுள்ளது என்பதை ஆந்த்ரோபிக் விவரிக்கிறது, அதே நேரத்தில் அடிப்படை மாதிரி மாறாமல் இருக்கும் - குறிப்புகளை ஒரு கோப்புறையில் எழுதுவதன் மூலம் பின்னர் படிக்க முடியும். ஆச்சரியமான கண்டுபிடிப்பு என்னவென்றால், முகவர் நினைவகத்தின் கடினமான பகுதி சேமிப்பு அல்ல. இது தேர்வு.
ஆந்த்ரோபிக் கருத்துப்படி, முக்கிய பிரச்சனை என்னவென்றால், அடுத்து என்ன வரும் என்பதை அறியும் முன், ஒரு ஏஜென்ட் பின்னர் என்ன முக்கியமான தருணத்தில் முடிவு செய்ய வேண்டும். ஒவ்வொரு குறிப்பும் எதிர்காலத்தில் ஒரு பந்தயம். மிகக் குறைவாக சேமிக்கவும் மற்றும் முகவர் தனது தவறுகளை மீண்டும் செய்கிறார்; அதிகமாக சேமித்து, காப்பகம் பழுதடைந்து, சூழலை சாப்பிடுகிறது மற்றும் காலவரையின்றி பிழைகளை முன்னோக்கி கொண்டு செல்கிறது.
போகிமொன் சோதனை: 413 கோப்புகள், ஒரு பேட்ஜ்
தோல்வி பயன்முறையை விளக்குவதற்கு, Pokémon Red இன் உள்ளே இயங்கும் சோதனைகளை Anthropic சுட்டிக்காட்டியது. Claude Sonnet 3.7, ஒரு பழைய மாடல், எல்லாவற்றையும் முக்கியமானதாகக் கருதியது. ஏறக்குறைய 10,000 கேம் படிகளில் 225 கோப்புறைகளில் 413 கோப்புகளை உருவாக்கியது - பெரும்பாலும் அது எதிர்கொள்ளும் ஒவ்வொரு போர் மற்றும் உருப்படிக்கும் ஒரு தனி கோப்பு. விளையாட்டின் நிலை மாறிக்கொண்டே இருந்ததால், காப்பகம் எழுதப்பட்டதைப் போலவே பழையதாகிவிட்டது. சில நேரங்களில், மாடல் விளையாடுவதற்குப் பதிலாக அதன் குறிப்புகளை மறுசீரமைப்பதைத் தவிர வேறு எதையும் செய்யவில்லை, மேலும் அது ஒரு பேட்ஜுடன் ஓட்டத்தை முடித்தது.
புதிய கிளாட் ஃபேபிள் 5 எதிர் அணுகுமுறையை எடுத்தது: இது அதன் நினைவகத்தை ஒரு சில கோப்புகளுக்கு மட்டுப்படுத்தியது மற்றும் நான்கு பேட்ஜ்களைப் பெற்றது. ஃபேபிள் 5 ஏற்கனவே திரையில் தெரியும் தகவலை பதிவு செய்யவில்லை, அதற்கு பதிலாக அது சோதனை செய்த திட்டங்கள், உத்திகள் மற்றும் விதிகளை எழுதுகிறது. ஒப்பீடு ஒரு மாதிரிக்கு ஒரே ஒரு பிளேத்ரூவை மட்டுமே உள்ளடக்கும் என்று மானுடவியல் எச்சரிக்கிறது, எனவே முடிவு உறுதியானதைக் காட்டிலும் குறிக்கும் - ஆனால் திசையானது நிறுவனத்தின் பரந்த ஆலோசனையுடன் ஒத்துப்போகிறது.
அந்த அறிவுரை, நினைவகத்தின் நோக்கத்தை க்ளாடிற்கு விளக்கி, அதை எப்படிப் பயன்படுத்த வேண்டும் என்பதை அந்த மாதிரி தீர்மானிக்கட்டும். ஒரு அளவுகோலில், "ஒரே பதிவு தவறுகள்" போன்ற கடுமையான வழிமுறைகள் வலுவான மாடல்களுக்கான பெரும்பாலான நன்மைகளை அழித்துவிட்டன. பழைய மாதிரிகள், இதற்கு மாறாக, ஒவ்வொரு பதிலுக்கு முன்பும் தங்கள் குறிப்புகளைப் படிக்கச் சொல்வது போன்ற தெளிவான வழிமுறைகளால் பயனடைந்தன.
கனவு: உண்மைக்குப் பிறகு நினைவாற்றலைத் தணிக்கை செய்வது
நீண்ட காலமாக செயல்படும் முகவர்களில் உள்ள பெரிய ஆபத்து மறக்கவில்லை - தவறான குறிப்புகளை நம்புவது. ஆந்த்ரோபிக்கின் பதில் ட்ரீமிங் என்று அழைக்கப்படும் ஒரு செயல்முறையாகும், இது லெட்டா மற்றும் யுசி பெர்க்லியின் ஆராய்ச்சியின் அடிப்படையில் உருவாகிறது. தூக்கத்தின் போது மனித மூளை அனுபவங்களை ஒருங்கிணைக்கும் போது, கிளாட் இடைவேளையின் போது முந்தைய அமர்வுகளின் டிரான்ஸ்கிரிப்ட்களை எடுத்து, உண்மையில் என்ன நடந்தது என்பதற்கு எதிராக அதன் குறிப்புகளை சரிபார்க்கிறார்.
போகிமொன் சோதனையில், ஒரு மலையின் எந்தப் பக்கம் ஒரு அடையாளச் சின்னம் உள்ளது என்பதை கிளாட் தவறாகக் குறிப்பிட்டிருந்தார். அந்த தவறான குறிப்பை நம்பி, முகவர் மூன்று முறை அதே வலையில் விழுந்தார், இறுதியில் கைவிட விரும்பினார், மேலும் அதன் இலக்கை தவறவிட்டார். ட்ரீமிங் பாஸுக்குப் பிறகு, டிரான்ஸ்கிரிப்ட்டுக்கு எதிரான குறிப்பைச் சரிபார்த்து, சரியான பாதையைக் கண்டுபிடித்து பிழையைப் பிடித்தார் கிளாட்.
கனவு மிகவும் பெரிய அறிவுத் தளங்களை ஒழுங்கமைக்க முடியும். ஸ்டெயின்லெஸ் என்ற மென்பொருள் நிறுவனமான ஆந்த்ரோபிக் நிறுவனத்திடமிருந்து சுமார் 350,000 உள்ளக ஆவணங்களிலிருந்து இணைக்கப்பட்ட விக்கியை கிளாட் உருவாக்கினார், ட்ரீமிங் புதிய பக்கங்களை உருவாக்கும் போது இடைவெளிகள், நகல்கள் மற்றும் உடைந்த இணைப்புகளை சரிசெய்தது. கிளாட் விக்கியை தேடலுடன் இணைக்கும் போது பெரும் பலன் கிடைத்தது, எனவே க்யூரேட் நினைவகம் அதற்கு மாற்றாக இல்லாமல் மீட்டெடுப்பதற்கான ஒரு நிரப்பியாக செயல்பட்டது.
விக்கி பீட்ஸ் தேடும்போது
Anthropic ஆல் நடத்தப்பட்ட ஒரு தனியான சட்டப் பரிசோதனையில், பல ஆவணங்களில் பதில்கள் பரப்பப்பட்ட கேள்விகளுக்கு ஒரு க்யூரேட்டட் விக்கி உதவியது. கிளாட் விக்கியில் 87 சதவிகிதம் மதிப்பெண் பெற்றார், தேடலை மட்டும் பயன்படுத்தி 73 சதவிகிதம் பெற்றுள்ளார். எளிமையான தேடுதல் பணிகளுக்கு விக்கி தோராயமாக தேடலுக்கு இணையாக செயல்பட்டது - மேலும் ஒரு சந்தர்ப்பத்தில் அது தொகுத்த ஆதார ஆவணங்களை விட பெரியதாக வளர்ந்தது.
ஆந்த்ரோபிக் திறந்த பிரச்சனைகளைப் பற்றி நேர்மையாக இருக்கிறது. பணியின் நடுப்பகுதியில் குறிப்புகளை எடுப்பது முகவரை அதன் வேலையிலிருந்து திசை திருப்புகிறது. கனவு காண்பதற்கு கூடுதல் கணக்கீடு தேவைப்படுகிறது, மேலும் அதன் முடிவுகள் தாமதத்திற்குப் பிறகுதான் வரும். விக்கிகள் மற்றும் குறிப்புகளுக்கு வழக்கமான பராமரிப்பு தேவை, அல்லது பிழைகள் மற்றும் மாயத்தோற்றங்கள் குவிந்து கிடக்கின்றன. மேலும் ஒவ்வொரு அமர்விலும் பல நினைவுகளை தானாக ஏற்றுவதற்கு எதிராக நிறுவனம் எச்சரிக்கிறது, ஏனெனில் அவை சூழலை உண்ணும் மற்றும் ஒவ்வொரு எதிர்கால அமர்வுக்கும் ஏதேனும் மோசமான குறிப்பை அனுப்புகின்றன.
ஆராய்ச்சி முன்னோட்டத்திலிருந்து தயாரிப்பு வரை
கனவு காண்பது புதிதல்ல: AI முகவர்களுக்கான நிறுவனத்தின் கிளவுட் பிளாட்ஃபார்மான Claude Managed Agents க்கான ஆராய்ச்சி முன்னோட்டமாக ஆந்த்ரோபிக் இதை மே மாதம் அறிமுகப்படுத்தியது. இந்தச் சேவையானது ஏற்கனவே உள்ள மெமரி ஸ்டோர் மற்றும் 100 கடந்த அமர்வுகள் வரை படிக்கிறது, நகல் மற்றும் காலாவதியான உள்ளீடுகளை நீக்குகிறது, மேலும் அசலைத் தொடாமல் விட்டுவிட்டு மறுசீரமைக்கப்பட்ட ஸ்டோரை உருவாக்குகிறது. துவக்கத்தில் இது Claude Opus 4.7 மற்றும் Sonnet 4.6 ஐ ஆதரித்தது. ஓபன்ஏஐ ஜூன் மாதத்தில் ChatGPT இன் சொந்த நினைவக மாற்றத்திற்காக பிராண்டிங்கைக் கடன் வாங்கியது, இது "ட்ரீமிங்" என்றும் அழைக்கப்படுகிறது - இது பயனர் சுயவிவரத்தை பராமரிக்கும் மற்றும் காலாவதியான தகவல்களை தானாகவே சரிசெய்யும் பின்னணி அமைப்பு.
Anthropic இன் ஆராய்ச்சியில் இருந்து ஒட்டுமொத்தமாக எடுத்துக்கொள்வது என்னவென்றால், ஒரு பயனுள்ள முகவர் நினைவகம் சரியான தகவலை வைத்து பின்னர் தவறுகளை சரிசெய்வதை விட முடிந்தவரை சேமிப்பதில் குறைவாகவே சார்ந்துள்ளது. நிமிடங்களுக்குப் பதிலாக நாட்கள் மற்றும் வாரங்களுக்கு நம்பகத்தன்மையுடன் செயல்படக்கூடிய முகவர்களை உருவாக்க ஆய்வகங்கள் போட்டியிடுவதால், நினைவகக் கண்காணிப்பு அமைதியாக அதன் சொந்தப் போட்டி எல்லையாக மாறி வருகிறது. AI Buzz Wire இல் முகவர் ஆராய்ச்சியில் சமீபத்திய AI மேம்பாடுகளைப் பின்பற்றலாம்.
AIக்கு முன்னால் இருங்கள்
முகவர் ஆராய்ச்சி விரைவாக முன்னேறி வருகிறது, மேலும் நினைவகம் அடுத்த போர்க்களம். AI Buzz Wire இல் ஒவ்வொரு பெரிய ஆய்வகத்திலிருந்தும் ஒவ்வொரு புதுப்பிப்புகளையும், சமீபத்திய AI மேம்பாடுகளையும் பெறுங்கள்.
மேலும் AI செய்திகளைப் படிக்கவும் →